基于线性判别边信息结合PHL的三维人脸识别.docVIP

第 卷第 期 计算机应用研究 Vol. No. Application Research of Computers 计算机工程与应用 收稿日期：2013-12-25；返修日期： 基金项目：福建省教育厅A类科技项目（JA12246） 作者简介：关健生(1981－),男,博士生,讲师,主要研究领域为图像处理、系统辨识、智能控制。 联系地址：福建省厦门市集美区后溪理工南路600号厦门理工学院电子系；邮编：361024 基于线性判别边信息结合PHL的三维人脸识别 关健生 （厦门理工学院 电气工程与自动化学院，福建，厦门，361024） 针对三维人脸识别中受光照、姿态、表情等变化而影响识别性能的问题，提出了一种原型超平面学习算法。首先，利用SVM将弱标记数据集中的每个样本表示为一个原型超平面中层特征，使用学习组合系数从未标记的通用数据集中选择支持向量稀疏集；然后，借助于Fisher准则最大化未标记数据集的判别能力，并使用迭代优化算法求解目标函数；最后，利用SILD进行特征提取，余弦相似性度量完成最终的人脸识别。在USCD/Honda、FRGC v2、LFW及自己搜集的人脸数据集上的实验结果表明，本文算法优于其它几种三维人脸识别算法。 三维人脸识别；超平面学习；余弦相似性度量；支持向量机；线性判别边信息 中图分类号：TP391.3 文献标识码：A PAGE 4 计算机应用与软件 0引言 人脸识别系统通常使用人脸图像识别特定的身份，已广泛应用于生物特征认证的人机交互中，如视频监控和访问控制等[1]。最具代表性的人脸识别方法有主成分分析(Principal Component Analysis, PCA)[2]、线性成分分析(Linear Discriminant Analysis, LDA) [3]、独立主成分分析（Independent Component Analysis, ICA）[4]等，这些方法在非限制条件下均能取得良好的效果，但是，在处理带有光照、姿态、表情及场景变化的三维人脸识别问题时，效果并不是很理想。 为了解决三维人脸识别问题，学者们提出了许多用于提高非限制条件下人脸识别性能的算法，例如，文献[5]提出了一种建立在数据源分析基础上对典型人脸识别算法进行后处理的方法，有效地提高了现有典型识别算法的识别性能在无约束环境下的鲁棒性。为了在嵌入式系统中实现实时视频图像人脸识别，文献[6]提出了基于TI系列TMS320DM642的快速人脸检测系统设计方案，测试结果表明，系统可靠运行，优化后系统运行速度提高，能够实现实时视频图像人脸识别。文献[7]提出基于B样条的多级模型自由形式形变(Free form deformation, FFD)弹性配准算法，先用低分辨率FFD网格全局配准，再对全局配准后的图像分块并计算对应子图块的相关性系数，对相关性系数小的子图块用高分辨率FFD网格局部细配准，在人脸畸变和表情变化很大的情况下，也能够精确的配准和很好的重建,得到较高识别率。文献[8]在保局投影算法(LPP)及支持向量机(SVM)的基础上提出了一种基于相关反馈的视频人脸识别算法，通过合理的数据建模提取出视频中的时空连续性语义信息，同时能够发现人脸数据中内在的非线性结构信息而获得低维本质的流形结构,还能通过反馈学习来增加样本的标记类别。文献[9]为多姿态问题提出了基于多特征和人脸图像多特征融合的3D人脸识别方法，在这种情况下，可以使用三种方法从3D人脸图像中提取多特征：最大曲率图像、平均边缘图像、范围图像，使用权重线性组合构建融合特征。文献[10]使用最接近给定查询图像的秩作为这个查询图像的描述符。文献[11]提出了基于距离的逻辑判别和基于距离的最近邻度量方法。文献[12]提出了余弦相似性度量学习方法。最近，文献[13]提出了“关联预测”模型，利用带有较大个人内部变化的附加通用数据集来测量两幅图像之间的相似性，该模型中，每幅人脸图像与用于相似性测量的通用数据集的视觉相似对象密切相关。文献[14]提出使用属性和相似分类器输出作为人脸验证的中层特征，很好地解决了三维人脸识别问题，然而，中层特征中的跟踪比问题会在一定程度上影响识别效果。 受文献[14]启发，提出了一种原型超平面学习算法，通过使用附加的未标记的通用数据集构建SVM模型，从而得到原型超平面的中层特征表示，利用迭代优化算法求解目标函数，所得非零组合系数自动决定每个原型超平面用于三维人脸识别，